论文部分内容阅读
针对上海市某区386家中小企业15个财务指标数据,运用灵敏度分析方法筛选出对判定纳税情况具有显著影响的10个评价指标,采用自组织神经网络方法把全部386个样本分成性质相似的训练样本、检验样本和测试样本,通过逐步减小光滑因子值确定其合理值,建立纳税评估广义回归神经网络(GRNN)模型.与线性回归、判别分析、Logistic和支持向量机等模型的结果对比表明:GRNN模型的分类错误率最低,检验样本和测试样本的Ⅱ类和Ⅰ类分类错误率分别低于5.4％和2.0％,平均分类错误率低于2.5％.对另外339家企业纳税情况的判定结果表明,建立的GRNN模型具有很好的泛化能力和鲁棒性.